您当前所在位置: 首页 > 首发论文
筛选条件

时间

领域

全部

计算机科学技术(70)

电子、通信与自动控制技术(6)

中医学与中药学(0) 显示更多>>

临床医学(0) 交通运输工程(0) 体育科学(0) 信息科学与系统科学(0) 农学(0) 冶金工程技术(0) 力学(0) 动力与电气工程(0) 化学(0) 化学工程(0) 图书馆、情报与文献学(0) 土木建筑工程(0) 地球科学(0) 基础医学(0) 天文学(0) 安全科学技术(0) 工程与技术科学基础学科(0) 心理学(0) 教育学(0) 数学(0) 机械工程(0) 材料科学(0) 林学(0) 核科学技术(0) 水产学(0) 水利工程(0) 测绘科学技术(0) 物理学(0) 环境科学技术(0) 生物学(0) 畜牧科学、动物医学(0) 矿山工程技术(0) 管理学(0) 纺织科学技术(0) 经济学(0) 能源科学技术(0) 航空航天科学技术(0) 药学(0) 预防医学与卫生学(0) 食品科学技术(0)

学术评议

实时热搜榜

SiC42375

人工智能37158

基因28612

数据挖掘18384

Bcl-215127

我的筛选 >
2003-2021 全部
为您找到包含“Attention Mechanism”的内容共76

郎爽,朱署光,程祥

2019-01-03

图谱问答方法 (Hierarchical Attention Mechanism based Approach for Question Answering over Knowledge Graph

State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing 100876,State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing 100876,State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing 100876

#计算机科学技术#

0评论(0 分享(5)

黄恩一,杜军平

2020-12-18

通道注意力机制的科技需求大数据实体关系抽取算法(Big Data of Science And Technology Demand Based on Multi-Channel Attention

School of Computer, Beijing University of Posts and Telecommunications,Beijing 100876,School of Computer, Beijing University of Posts and Telecommunications,Beijing 100876

#计算机科学技术#

0评论(0 分享(0)

陈元昆,刘建毅

2020-01-29

远程监督机制由于其使用机器自动标注数据,能减少大量标注人力的优点,逐渐成为了知识图谱构建中关系抽取任务的主要手段。目前,如何能够较好的提取句子特征,为句子分类(关系抽取)提供良好的分类依据,成为了远程监督领域的一个研究课题。为了解决这个问题,本文采用了称为层次注意力机制的网络结构,该网络结构将注意力机制组织为层次结构,以更好地应对数据噪声,捕获句子的特征。本文使用注意力机制作为句子和句袋这两个层次特征的主要的编码器,构建了一个抗噪能力较强的远程监督机制的关系抽取器。实验表明,该模型在捕获句子特征、增强泛化能力方面超过了现有模型。

北京邮电大学网络空间安全学院,北京  100876,北京邮电大学网络空间安全学院,北京  100876

#计算机科学技术#

0评论(0 分享(0)

沈兰奔,武志昊,纪宇泽,林友芳,万怀宇

2019-03-18

事件检测是信息抽取领域的重要任务之一。已有的方法大多高度依赖于复杂的语言特征工程和自然语言处理工具,中文事件检测还存在着由分词带来的触发词分割问题。本文将中文事件检测视为一个序列标注而非分类问题,提出了一种结合注意力机制与长短期记忆神经网络的中文事件检测模型ATT-BiLSTM,利用注意力机制来更好地捕获全局特征,并通过两个双向LSTM层来更有效地捕获句子序列特征,从而提高中文事件检测的效果。在ACE 2005中文数据集上的实验表明,本文提出的方法与其他现有的中文事件检测方法相比性能得到了明显的提升。

国家重点研发计划资助项目(2018YFC0830200

School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044,School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044,School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044,School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044,School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044

#计算机科学技术#

0评论(0 分享(0)

刘昊鑫,刘同存,王玉龙

2019-12-23

受到图像分类和机器翻译的研究成果的启发,本文将其成功的体系结构设计(例如卷积神经网络和注意力机制)引入视频分类。本文尝试了不同的模型架构,包括原始的2d设计及拓展的3D结构。实验结果表明,通过使用迁移学习和注意力机制,原始的模型能够提升视频分类的准确性,其在ucf-101数据集上达到了95.5%,在hmdb-51数据集上达到了67.7%。

State Key Laboratory of Networking and Switching, Beijing Ubiversity of Posts and Telecommunications, Beijing 100876,State Key Laboratory of Networking and Switching, Beijing Ubiversity of Posts and Telecommunications, Beijing 100876,State Key Laboratory of Networking and Switching, Beijing Ubiversity of Posts and Telecommunications, Beijing 100876

#计算机科学技术#

0评论(0 分享(0)

LI Runze,LI Wei,XU Tong,QI Qi

computation resources. In this paper, we present a class of extremely efficient algorithm with attention

2019-03-15

State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications,State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications,State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications,State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications

#Computer Science and Technology#

0评论(0 分享(0)

秦丽萍,杨金民

2019-04-22

文本分类是自然语言处理(NLP)中的重要任务之一。在文本分类中,句子建模是至关重要的。在已存在的工作中,卷积神经网络(CNN)能有效捕捉空间的局部相关性,循环神经网络(RNN)的变体双向长短期记忆神经网络模型(BiLSTM)能够从历史信息和未来信息中学习长期依赖性。针对它们的不同建模能力优势,本文提出了一种基于注意机制的混合神经网络模型。该模型首先基于BiLSTM引入一个贡献率来调整历史信息和未来信息的不同影响,并应用注意力机制将CNN与BiLSTM结合起来,运用注意力权重突出关键信息来缓解文本信息的丢失。实验结果表明,引入注意机制和贡献率可以有效提高文本分类的性能。

Hunan University,College of Computer Science and Electronic Engineering,changsha,410006,Hunan University,College of Computer Science and Electronic Engineering,changsha,410006

#计算机科学技术#

0评论(0 分享(0)

于海涛,杨杨

2020-02-28

实体关系抽取是大数据环境下信息抽取领域的一项关键技术,也是构建大规模知识图谱的基础。在远程监督机制下,基于深度学习模型的关系抽取方法成为目前应用最广泛的技术体系,但是也存在诸如噪声干扰、错误标签与外部信息利用不足等亟待解决的问题。因此,本文提出了一种基于注意力机制与标签嵌入的联合关系抽取方法,设计时间衰减注意力机制缓解噪声与误标注问题,并利用外部实体描述和知识图谱信息建模标签嵌入辅助任务,进一步提高关系抽取算法的性能。实验结果表明,本文设计的联合关系抽取方法在查准率与稳定性等方面均有较显著的提升。

北京邮电大学网络技术研究院,北京 100876,北京邮电大学网络技术研究院,北京 100876

#计算机科学技术#

0评论(0 分享(0)

杨晨,朱新宁,胡铮

2019-08-19

随着电信市场用户增速的逐渐放缓,电信市场竞争趋于白热化,电信用户更换运营商的情况日益普遍。获取新用户的费用远远超过挽回潜在离网用户。因此利用大数据和深度学习方法,提前定位与挽留潜在离网用户,成为运营商维持用户数量,保证营业收入的一个重要途径。本文基于运营商呼叫详单记录(Call Detail Record,CDR)数据进行基于深度神经网络模型的用户离网预测。基于CDR数据,本文首先提取用户的基本通信行为特征、用户通信的社交对象相关特征,以及用户位置相关特征,并分别利用卷积神经网络(Convolution Neural Network,CNN)和循环神经网络(Recurrent Neural Network,RNN)对用户各类特征间的依赖关系及时序关系进行学习和表征。通过引入注意力机制,利用用户位置相关特征对各类其他特征影响的不同,本文学习各类特征的权重,提升最终的用户离网预测性能。最后,利用运营商CDR数据进行了实验评估,验证了基于注意力机制的这两种预测模型的性能均优于传统的机器学习算法。

北京邮电大学信息与通信工程学院,北京 100876,北京邮电大学信息与通信工程学院,北京 100876,北京邮电大学信息与通信工程学院,北京 100876

#计算机科学技术#

0评论(0 分享(0)

汪枭杰,姚文斌

2019-03-29

卷积神经网络剪枝技术可以有效减少神经网络的内存占用和运行耗时,有利于神经网络在资源有限的设备上部署。剪枝研究中,如何衡量参数重要性是核心问题,参数重要性直接决定哪些参数被优先移除。本文提出一种基于注意力机制的卷积神经网络剪枝方法,该方法借助注意力模块,自适应地学习卷积网络中同层滤波器输出通道的权重,并以此计算滤波器重要性,在滤波器级别指导网络剪枝。实验结果表明,本方法在相同剪枝比例下可以获得更高的准确率,并且不依赖特定的底层运算库或硬件设备。

School of Computer Science, Beijing University of Posts and Telecommunications, Beijing,School of Computer Science, Beijing University of Posts and Telecommunications, Beijing

#计算机科学技术#

0评论(0 分享(0)